Streszczenie:
W niniejszej pracy zatytułowanej ”Metody uczenia maszynowego w analizie
notowań na giełdzie” zbadano możliwość zastosowania algorytmu uczenia maszynowego
w prognozowaniu zwrotów z kupna akcji dla wybranych horyzontów miesięcznych oraz
podejmowanie decyzji w oparciu o te prognozy. Celem pracy jest nauczenie modelu
lasu losowego,który działa w oparciu o zmienne stworzone podczas inżynierii cech.
Do tych zmiennych zaliczają się wskaźniki z analizy technicznej oraz fundamentalnej.
We wstępie przedstawiono problem biznesowy oraz obecnie stosowane rozwiązania na
podstawie literatury. Opisano analizy stosowane przez inwestorów, wskaźniki z tych analiz
wykorzystywane są przez algorytm uczenia maszynowego. Przedstawiono wymagania
jakie powinien spełniać model oraz w następnej części opisano metodologię związaną
z predykcją zwrotów oraz podejmowaniem decyzji inwestycyjnych. Opisana została
architektura tego rozwiązania oraz przyjęto reguły w podziale danych na podzbiory,
wyboru hiperparametrów. Przyjęto konserwatywne zasady, aby nie doszło do wycieku
danych oraz wyniki były takie same jakie model uzyskałby podczas zastosowania ich
w rzeczywistych inwestycjach. Rozważono wyniki stworzonego rozwiązania zwracając
szczególną uwagę na wykorzystanie tych modeli w procesie decyzyjnym inwestora.
Za zbiór testowy przyjęto okres od początku stycznia do końca maja 2022 roku.
Na zakończenie wyciągnięto wnioski i podsumowano pracę.
